11月27日，特斯拉FSD技术面临的核心批评是缺乏“常识性推理能力”。尽管FSD在基本驾驶操作如车道保持、制动与转向上表现出色，但在应对复杂场景所需的高阶推理任务上仍有不足。特斯拉正在招聘人工智能工程师，专注于强化学习与知识蒸馏，以研发更智能、更紧凑的模型架构，解决FSD在真实世界中难以妥善处理的典型场景。

特斯拉前人工智能主管Andrej Karpathy提出的“系统1”与“系统2”双系统认知框架，被应用于AI模型设计。特斯拉正尝试将这一框架迁移至其AI模型中，以弥补FSD在独立推理方面的不足。知识蒸馏技术是使“系统2”推理能力得以在量产车辆上部署的核心技术路径，通过训练巨型“系统2”推理模型作为“教师”，生成高度精准的推理结果，再用于训练体积更小、推理更迅捷的“学生”模型，使其能与FSD并行运行于车载本地推理芯片之上。

此次人才招募表明特斯拉正超越“堆数据训练”的既有范式，转向重塑车辆的前瞻思考机制，从单纯的“行为模仿”迈向对周遭物理世界建立真正意义上的理解。这一推理层有望成为FSD从“监督学习”迈向“无监督自主决策”的关键跃迁，带来显著的技术提升。